Para el caso discreto, podemos decir que Naive Bayes podría clasificar mal los datos de entrenamiento debido a cosas como el problema de la frecuencia cero.
¿Por qué Naive Bayes podría clasificar mal continuo ¿datos de entrenamiento?
Respuesta
¿Demasiados anuncios?
Gareth Simpson
Puntos
215
Independientemente del tipo de datos, la hipótesis de independencia puede fallar (es decir, las características pueden ser dependientes dada una clase) y dar resultados falsos. Además, es posible que ninguna de las características sea relevante, mientras que las irrelevantes aumentarán el ruido.
Lo que es específico de las variables continuas son los supuestos de distribución que hay que hacer. Ceñirse a la distribución normal suele ser una simplificación excesiva; la estimación de la densidad basada en el suavizado de kernel no paramétrico tiene sus propios problemas; al discretizar una variable continua es evidente que, como mínimo, perdemos información.
